اطلاعات دوره آموزشی

AutoEncoder

کاهش ابعاد یکی از روش‌ های مهم در یادگیری ماشین و داده‌کاوی است که در آن تلاش می‌شود با حذف بخش‌های غیر مهم داده‌ها، بخش‌های اساسی آن‌ها نگهداری شود. این مورد علاوه بر کاهش فضای مورد نیاز می‌تواند برای کاهش نویز نیز استفاده شده و بعضا ویژگی‌های بهتری نیز برای مدل‌ها فراهم کند. در این زمینه PCA یکی از روش‌ های شناخته شده است. با این وجود PCA مبتنی بر تبدیل‌ های خطی است و نمی‌تواند توابع غیر خطی را به درستی مدل کند. خویش رمزگذار (AutoEncoder) یک روش مبتنی بر یادگیری عمیق است که ویژگی مدل‌ سازی غیر خطی را نیز دارد. در این کارگاه نخست با مفهوم خویش رمزگذار آشنا شده و سپس به پیاده‌ سازی آن در چند وظیفه خواهیم پرداخت.